聚类（2）--KMeans算法

最新推荐文章于 2020-07-09 18:30:47 发布
最新推荐文章于 2020-07-09 18:30:47 发布
阅读量756 收藏 1
点赞数
分类专栏： 机器学习 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sinat_28981497/article/details/72638195
版权

K-means聚类算法也称作K均值算法。以k为参数，把n个对象分成k个簇，使簇内具有较高的相似度，簇间相似度较低，

  1. 随机选择k个点作为初始聚类中心
  2. 对于剩下的点，根据其与聚类中心的距离，将其归入最近的簇
  3. 对每个簇，计算所有点的均值作为新的聚类中心
  4. 重复2，3直到聚类中心不再发生改变
    这里写图片描述
import numpy as np
from sklearn.cluster import KMeans
import numpy as np
from sklearn.cluster import KMeans


def
最低0.47元/天 解锁文章
Weize Tang
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
调用sklearn库的K-Means聚类分析实例
01-26
#class sklearn.cluster.KMeans(n_clusters=8, init=’k-means++’, n_init=10, max_iter=300, tol=0.0001, precompute_distances=’auto’, verbose=0, random_state=None, copy_x=True, n_jobs=1, algorithm=’auto’) #参数： #（1）对于K均值聚类，我们需要给定类别的个数n_cluster，默认值为8； #（2）max_iter为迭代的次数，这里设置最大迭代次数为300； #（3）n_init设为10意味着进行10次随机初始化，选择效果最好的一种来作为模型； #（4）init=’k-means++’ 会由程序自动寻找合适的n_clusters； #（5）tol：float形，默认值= 1e-4，与inertia结合来确定收敛条件； #（6）n_jobs：指定计算所用的进程数； #（7）verbose 参数设定打印求解过程的程度，值越大，细节打印越多； #（8）copy_x：布尔型，默认值=True。当我们precomputing distances时，将数据中心化会得到更准确的结果。如果把此参数值设为True，则原始数据不会被改变。如果是False，则会直接在原始数据上做修改并在函数返回值时将其还原。但是在计算过程中由于有对数据均值的加减运算，所以数据返回后，原始数据和计算前可能会有细小差别。 #属性： #（1）cluster_centers_：向量，[n_clusters, n_features] # Coordinates of cluster centers (每个簇中心的坐标？？)； #（2）Labels_:每个点的分类； #（3）inertia_：float，每个点到其簇的质心的距离之和。
kmeans算法学习2
qq_20739243的博客
04-23 287
kmeans算法：给定样本集D={x1,x2,x3,…,xm}，针对聚类所得簇划分为k个簇，计算每个样本和簇之间的最小化平方误差。 算法过程：选取k个样本作为初始化均值向量，计算每个样本与当前均值向量的距离，选区当前样本与当前均值向量最近的哪一个，把当前样本归于这个均值向量，对所有样本都考察一遍以后，所有样本都归于某一个均值向量当中，然后求出新的均值向量。再计算所有样本与新的均值向量之间的距离，重...
k-means2.zip
05-11
简单实现了k-means算法，带可视化的gui界面，比较适合初学者上手和理解，代码注释也比较齐全。
学习OpenCV——Kmeans2算法并验证颜色种类（CvMat*&IplImage*指针的用法）
小熊不去实验室
03-23 3354
#include #include #include #define MAX_CLUSTERS (8) using namespace std; int main( int argc, char **argv) { IplImage *imgA = cvLoadImage( "D:/1.jpg", CV_LOAD_IMAGE_ANYDEPTH | CV_LOAD
sk-learn学习之kmeans聚类（2）
v7xyy的博客
08-12 324
K-均值是最普及的聚类算法，算法接受一个未标记的数据集，然后将数据聚类成不同的组。 K-均值是一个迭代算法，假设我们想要将数据聚类成 n 个组，其方法为: 1.首先选择
Kmeans聚类算法-手肘法
01-08
总之，"KMeans聚类算法-手肘法"的主题涵盖了数据预处理、模型训练、K值选择、结果评估和可视化等多个方面，是机器学习初学者和从业者学习聚类算法的重要实践案例。通过分析和运行`kmeans_210730`文件，可以深入理解...
聚类算法-KMeans-DBSCAN
07-11
在实现K-Means时，我们可能分别尝试k=2和k=3的情况，这取决于数据的特性以及我们对聚类数量的需求。 K-Means的优点包括算法简单、易于理解和实现，适用于大数据集。但它的缺点也很明显：对初始质心敏感，可能会陷入...
k-means聚类算法-mai笔记
最新发布
05-31
k-means聚类算法是一种广泛应用的数据挖掘方法，用于无监督学习中的数据分类。它通过迭代寻找数据集中的k个核心点，将数据分配到最近的核心点所在的簇中，以此达到划分数据的目的。以下是对k-means算法的详细介绍： ...
聚类算法-使用Matlab+Python实现从头实现聚类算法-项目源码-优质项目分享.zip
04-16
在这个名为“聚类算法-使用Matlab+Python实现从头实现聚类算法-项目源码-优质项目分享.zip”的压缩包文件中，包含了使用Matlab和Python两种编程语言实现聚类算法的源代码。聚类算法是数据挖掘中的一个重要部分，主要...
数据挖掘导论-ch10 聚类分析 - 背景及kmeans1
08-03
《数据挖掘导论-ch10 聚类分析 - 背景及kmeans1》 聚类分析是一种无监督学习方法，用于在没有预定义类别的情况下，根据数据点之间的相似度或距离将数据集划分成不同的组，即聚类。这种分析广泛应用于各个领域，如...
k-means算法详解
01-02
在网上看到了很关于10大算法的一些博客讲解，大多都支离破碎讲解的部分，而且不同的博客讲解的方式很多不同，我希望能重新整理这些基础算法，尽量更全面和深入一些，分享出来，共大家参考。 k-means 【3】算法，也被称为k-平均或k-均值，是一种得到最广泛使用的聚类算法。它是一种得到最广泛使用的基于划分的聚类算法，把n个对象分为k个簇，以使簇内具有较高的相似度。相似度的计算根据一个簇中对象的平均值来进行。算法的主要思想是通过迭代过程把数据集划分为不同的类别，使得评价聚类性能的准则函数达到最优，从而使生成的每个聚类内紧凑，类间独立。它与处理混合正态分布 【1】的最大期望算法 【2】很相似，因为他们都试图找到数据中自然聚类的中心。
TDT2数据集，mat文件
04-23
一共有10212个文档数据，fea表示特征，gnd为标签，其中2Class.rar这样的压缩文件为随机从总数据中选取部分。TDT2_all.mat为全部数据， 可以到这里下载：http://www.cad.zju.edu.cn/home/dengcai/Data/TextData.html（这积分也太坑了，还改不了）
一般图像分割：使用 2-means 聚类的分层图像分割。 低复杂度。-matlab开发
05-29
这是使用 k-means 算法通过递归应用 k=2 的 k-means 来分解图像的一般图像分割过程。 这种 2-means 分解可以找到与场景部分对应的任何区域，但它也容易出现过度分割。
K-Means算法
夏天的风
04-07 1540
一、前言 聚类是观察式学习，在聚类前可以不知道类别甚至不给定类别数量，是无监督学习的一种。相比于分类，聚类不依赖预定义的类和类标号的训练实例, 分类是示例式学习，要求分类前明确各个类别，并断言每个元素映射到一个类别。很多时候上述条件得不到满足，尤其是在处理海量数据的时候，如果通过预处理使得数据满足分类算法的要求，则代价非常大，这时候可以考虑使用聚类算法。 所谓聚类问题，就是给定一个元素集合D，
聚类算法之K-Means算法原理及实现
RuiMa的博客
09-10 2890
聚类算法K-Means算法原理及实现
【机器学习】K-Means聚类算法
小田学Python
07-09 767
K-Means是一种聚类算法，与之前提到的朴素贝叶斯等算法不同，它属于无监督学习。无监督学习是什么意思呢？简单来说，之前的算法中我们是利用特征 x 和类别 y 来进行训练、分类的，而无监...
数据挖掘十大算法翻译——2K-means
xion的专栏
11-23 1515
1 算法 K-means算法是一个能够将给定的数据集分为用户定义的数量k个类的简单的迭代算法。很多研究者从不同的研究方向都发现了这个算法，其中特别显著的由Lloyed，Forgey，Friedman和Rubin，和McQueen。k-means的详细历史要追溯到下面的几个改变。Gray和Neuboff将k-means置于爬山算法的环境中为其提供了一个良好的历史背景。 这个算法作用在d维的向量上，D=
机器学习(2): K-means (k均值) 聚类算法 小结
热门推荐
TechArtisan6的博客
04-24 1万+
目录 1 聚类简介 2 k-means算法流程 3 利用k-means 对数据进行聚类 4利用K-means进行图像分割 5 小结 参考资料 1 聚类简介 在无监督学习中，训练样本的标记信息是未知的，我们的目标是通过对无标记训练样本的学习来解释数据的内在性质及规律，为了进一步的数据分析提供基础，此类学习应用最多的就是“聚类”(clustering)。 聚类(clusteri...
聚类算法学习笔记（2）__K-Means聚类算法
weew_pp的专栏
08-12 7728
K-Modes聚类算法（K-Modes dustering algorithm）
隐私保护KMeans聚类：Practical Privacy Preserving KMeans算法
此外，他们还设计了一个定制的混淆电路，用于在共享值中计算最小值，这是KMeans算法中确定最近聚类中心的关键步骤。 论文的实现和评估部分展示了这些协议的实用性，证明它们能够在保持高精度的同时，处理比之前工作...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值